Navigation – Plan du site

Perversité de la Centralité et de la Diversité au Sein d’un Réseau d’Alliances : Le Cas du Secteur Automobile Mondial

Perversity of Centrality and Diversity Within Alliances Network: The Case of Global Automotive Industry
Mouhoub Hani et Faouzi Bensebaa

Résumés

Partant de la littérature existante sur le portefeuille d’alliances qui admet une relation positive entre les caractéristiques du portefeuille (taille/diversité) et la performance, cette recherche au caractère quantitatif et longitudinal (2000-2015) menée sur un échantillon de 1063 observations relatives à 81 entreprises encastrées dans 47 réseaux stratégiques montre que, bien que ces propriétés structurelles permettent une meilleure performance, elles peuvent avoir des effets pervers dès lors que la firme atteint une position centrale ou occupe un trou structurel. Ceci peut s’expliquer par un coût marginal de la diversité substantiellement plus élevé que le bénéfice marginal en raison de la complexité du management d’une telle diversité.

Haut de page

Texte intégral

Introduction

1Most Cooperation, Jaspar, Genivi, Avnu, Open Alliance SIG sont des réseaux globaux dont la finalité est de promouvoir la technologie électrique et hybride dans le secteur automobile (Hani et Cheriet, 2018). Le réseau global Most Cooperation (Media Oriented Systems Transport), fondé en 1998 par des acteurs provenant d’horizons différents dont Volkswagen (Audi), BMW group, Daimler AG, Harman International et Microchip Technology etc., en est le meilleur exemple en termes de performance. Cette performance est souvent liée à des variables structurelles (Zaheer et Bell, 2005). Dans cette veine, le groupe BMW ayant un portefeuille d’alliances dense de relations lui conférant le statut d’acteur central, affiche des performances qui sont supérieures à celles du groupe Volvo en raison de sa position périphérique (Hani et Cheriet, 2018). Ces mêmes partenaires verraient leurs performances augmenter dès lors qu’ils rejoignent des réseaux d’acteurs diversifiés.

  • 1 Nous considérons dans ce travail qu’un portefeuille d’alliances est un réseau égocentrique au sein (...)

2Les firmes seraient encastrées dans des structures de réseaux1 denses. Cet encastrement se traduit par des relations inter-organisationnelles substantielles. Celles-ci s’établissent entre divers acteurs, à savoir les clients, les concurrents, les fournisseurs, les partenaires, etc. (Hoffmann, 2007 ; Leeuw, Lokshin et Duysters, 2014). Lorsqu’elles sont mises en place avec des concurrents, ces relations relèveraient de la coopétition, un état du marché conjuguant concurrence et coopération (Brandenburger et Nalebuff, 1996). Par ailleurs, ces relations ont été envisagées pendant longtemps uniquement dans une perspective dyadique d’alliances individuelles, c’est-à-dire des alliances entre des firmes considérées deux à deux (Ahuja, 2000 ; Gulati, 1995). Ce n’est que depuis un peu plus d’une décennie que la recherche dans le champ des relations inter-organisationnelles (et plus particulièrement dans celui des alliances stratégiques) a fait évoluer le prisme portant sur les relations entre les entreprises pour adopter des approches globales de réseaux (Baum et al., 2014) et de portefeuille d’alliances (Lavie, 2007). Ce glissement de perspective - voire ce que d’aucuns (tels que Assens, 2003) appellent un changement de paradigme - s’expliquerait par l’évolution du paysage économique et de l’environnement concurrentiel.

3En revanche, comme le laissent entendre certains chercheurs (tels que Lahiri et Narayanan, 2013), le portefeuille d’alliances peut être vu comme fondement de la stratégie de création des capacités et cette approche se justifierait par la quête par les firmes d’une aptitude à la réactivité face à l’évolution de l’environnement d’une part, et par la dépréciation des capacités existantes qui deviennent inaptes à saisir les nouvelles opportunités qui se présentent d’autre part (Lahiri et Narayanan, 2013). Dès lors, le portefeuille d’alliances peut être appréhendé comme une extension féconde de l’approche par les ressources et les compétences (Lavie, 2006)

4De surcroît, les synergies recherchées et obtenues entre les alliances d’un portefeuille peuvent être considérées comme conduisant à créer de la valeur de façon significative. Cette valeur est estimée dépasser la somme des valeurs produites par chacune des alliances de manière indépendante (Meschi, 2006 ; Parise et Casher, 2003). Par ailleurs, la performance du portefeuille d’alliances requiert l’intégration des acteurs qui le constituent, ce qui amène à atténuer l’incertitude dans la mesure où une firme focale est susceptible d’accéder à un maximum d’informations grâce au « trou structurel » qui renvoie au vide existant entre deux firmes disjointes au sein du réseau (Burt, 1992). Selon ce dernier auteur, la notion de trou structurel a trait à la non-redondance des liens entre les acteurs. Ces propos conduisent à estimer que le portefeuille d’alliances est en mesure de constituer un outil de compétitivité crucial, notamment sur les marchés et dans les secteurs globalisés et structurés en réseau (Ozcan et Eisenhardt, 2009).

  • 2 Une revue exhaustive des recherches sur le portefeuille d’alliances a été réalisée par Wassmer (201 (...)

5Cependant, ce portefeuille d’alliances n’a pas fait l’objet d’un traitement fondé sur une facette unique, les différentes contributions académiques l’ayant plutôt abordé en épousant plusieurs angles2. Certaines de ces contributions (à l’instar de celles de Ahuja, 2000 ; Baum et al., 2000) ont montré que la taille d’un réseau détermine la performance de ses membres. Une firme disposant en effet d’un portefeuille d’alliances de taille estimée importante peut avoir accès à cet égard à une large variété de ressources et de savoirs, issus des multiples partenaires de l’alliance (Lahiri et Narayanan, 2013). D’autres recherches relativement plus récentes (Afuah, 2013 ; Wassmer, 2010) admettent que la taille du portefeuille d’alliances ne peut pas constituer une source de performance pour les entreprises. Toutefois, bien que certains portefeuilles d’alliances affichent des tailles similaires, leurs performances ne sont pas équivalentes (Lavie, 2007). Ces différences de performance seraient liées au caractère diversifié ou homogène du portefeuille (Jiang et al., 2010). Ces différents constats nous amènent à nous poser la question de recherche suivante : dans quelle mesure la taille et la diversité d’un portefeuille d’alliances affectent la performance d’une firme, compte tenu de la position centrale et du trou structurel qu’occupe celle-ci ?

6Dans cette perspective, la question de la formation d’un portefeuille d’alliances performant devient aiguë. Faut-il opter pour un portefeuille large et dense en vue d’une taille idoine (Lahiri et Narayanan, 2013) ? Ou bien faut-il diversifier les liens et les partenaires dans ce portefeuille (Jiang et al., 2010) ? Ou s’agit-il de trouver l’arbitrage approprié entre taille et diversité (Burt, 1992) ? Et qu’en est-il de la position centrale (Powell et al., 1996) et des trous structurels (Walker et al., 1997 ; Zaheer et Soda, 2009) ? Une firme se trouvant au centre d’un réseau global doit-elle recourir à de nombreux partenaires fournissant des informations redondantes ? De même, une entreprise, s’appropriant un trou structurel, a-t-elle vraiment besoin d’autant de diversité étant donné qu’elle canalise, au moyen de ce trou structurel, l’ensemble des flux d’informations ? Ces interrogations sont au cœur de cette contribution qui porte sur le secteur automobile mondial, engagé dans une dynamique réticulaire substantielle (Hani et Cheriet, 2018).

7Pour répondre à la problématique et aux questions évoquées ci-dessus, les propos qui suivent sont structurés en trois parties. La première partie examine la littérature relative au portefeuille d’alliances et à ses caractéristiques structurelles, notamment sa taille et sa diversité. Cette littérature constitue le cadre théorique, conduisant à l’élaboration des hypothèses de recherche. La deuxième partie expose le champ d’observation, à savoir le secteur automobile mondial et présente la méthodologie de la recherche en mettant l’accent sur la définition de l’échantillon global, les sources de collecte de données et l’opérationnalisation des variables d’analyse. La troisième partie concerne les principaux résultats issus de l’analyse réalisée, les discute en lien avec la littérature existante et les recherches antérieures et souligne les apports du travail mené tant sur le plan théorique que managérial.

1. Revue de littérature et hypothèses de recherche

8La définition du portefeuille d’alliances requiert une logique additive (Wassmer, 2010). Cette logique additive a conduit à plusieurs définitions. Ainsi, un portefeuille d’alliances renvoie à « la collection d’alliances directes avec les partenaires » (Lavie, 2007 : 1188). Alors que les recherches antérieures ont principalement mis l’accent sur la formation des alliances stratégiques, leur évolution, leur management ainsi que leurs retombées sur les alliés en termes de performance (Gulati, 1998), les contributions les plus récentes tentent d’appréhender la question de la performance d’un portefeuille d’alliances (Reuer et Ragozzino 2006 ; Andrevski et al., 2013 ; Baum et al., 2014) simultanément conclues avec des acteurs de différente nature (Hoffmann, 2007 ; Lavie, 2007) qui tirent avantage de cette diversité (Wuyts et Dutta, 2012). Ainsi, au-delà des relations dyadiques entre la firme focale et les partenaires directs, la perspective du portefeuille d’alliances propose un cadre d’analyse global prenant en compte les liens entre les partenaires du réseau d’alliances. Ce cadre d’analyse est appréhendé comme une extension à l’alliance dyadique (Lavie, 2007). Dans ce qui suit, nous allons présenter les facteurs structurels pouvant influencer la performance comme la taille du portefeuille (1.1), la diversité de celui-ci (1.2), la centralité et le trou structurel (1.3).

1.1. Taille du portefeuille : une explication classique de la performance réticulaire

9La littérature convient que l’appartenance à un réseau stratégique substantiel permet d’atteindre un meilleur niveau de performance (Gulati et al., 2000 ; Jarillo, 1988). Cette dernière est appréhendée comme « le rendement sur le total des actifs, de la croissance du bénéfice net, de la croissance du bénéfice par action, de l’amélioration de la marge bénéficiaire (rendement et ventes) ainsi que de la croissance du capital moyen » (Bourgeois, 1985 : 558). Une partie de cette définition est retenue dans la présente recherche. La taille du portefeuille d’alliances renvoie au nombre d’alliances et de partenariats dont dispose une firme donnée (Hoffmann, 2007 ; Wassmer, 2010). Cette taille est considérée comme déterminée non seulement par le nombre de liens directs avec les partenaires mais également par les liens indirects que possèdent les partenaires (Mouri et al., 2012). Certaines études ont montré que la taille d’un réseau est déterminante de la performance de ses membres (Ahuja, 2000 ; Baum et al., 2000), notamment en termes d’innovation (Shan et al., 1994). Par ailleurs, une firme disposant d’un portefeuille d’alliances de grande taille est susceptible d’avoir accès à une large variété de ressources et de savoirs qui proviennent des différents partenaires (Lahiri et Narayanan, 2013)

10Il est possible d’admettre qu’une firme disposant d’un portefeuille d’alliances large peut nouer des liens multiples avec un grand nombre d’acteurs ayant chacun des capacités dynamiques spécifiques à mobiliser au sein du réseau. Ce réseau large lui offre également la possibilité d’accéder à des informations, à des ressources, à des marchés et à une panoplie de technologies et d’autres avantages se rapportant essentiellement à l’apprentissage et à la réalisation d’économies d’échelle et d’envergure. Enfin, cette structure peut l’amener à atteindre ses objectifs stratégiques et partant, à améliorer sa performance (Gulati et al., 2000). L’hypothèse H1 va dans le sens de ces développements et soutient qu’un portefeuille d’alliances, large en termes de relations, conduit la firme à obtenir une performance élevée.

Hypothèse 1. Plus le portefeuille d’alliances est dense et large en termes de relations, plus la performance de la firme focale augmente.

1.2. Diversité du portefeuille d’alliances : une source alternative de performance

11L’une des contributions majeures de la perspective axée sur le portefeuille d’alliances est la prise en compte de la diversité et de la nature des ressources et des partenaires au sein du réseau plutôt que l’appréhension des éléments structurels classiques tels que la densité du réseau, le nombre de partenaires (taille du réseau) et la prévalence des trous structurels (Lavie, 2007). Autrement dit, contrairement à la littérature existante (Lahiri et Narayanan, 2013 ; Lavie, 2007), certaines études ont montré que la taille du réseau n’explique pas seule la performance du réseau (Wassmer, 2010). D’autres caractéristiques, telles que la diversité, jouent également un rôle important (Jiang et al., 2010 ; Stuart, 2000 ; Stuart et al., 1999). Ces caractéristiques sont estimées conduire à une performance élevée (Cui et O’Connor, 2012 ; Duysters et al., 2012 ; Jiang et al., 2010 ; Wuyts et Dutta, 2014).

12Il est admis que la diversité du portefeuille d’alliances influence positivement la performance des firmes dans la mesure où des liens conduisent à accéder à des sources informationnelles multiples et partant, à obtenir éventuellement des ressources substantielles et variées (Baum et al., 2000). La diversité et la multitude des ressources pouvant être captées sont susceptibles d’offrir par la suite l’opportunité d’atteindre de nouveaux marchés et d’acquérir de nouvelles ressources, en mesure de conduire à l’amélioration de la performance des partenaires (Wassmer, 2010). Ceci amène certains auteurs (tels que Baum et al., 2000 ; Wassmer, 2010) à estimer qu’un réseau d’alliances, même limité en termes de taille, mais formé de partenaires hétérogènes, est susceptible de fournir davantage d’informations et de ressources, à moindre coût, qu’un réseau d’alliances de grande taille, mais composé de partenaires homogènes. Aussi proposons-nous, dans ce qui suit, l’hypothèse H2 qui établit un lien positif entre la diversité du portefeuille d’alliances et la performance de la firme focale.

Hypothèse 2. Plus le portefeuille d’alliances est diversifié, plus la performance est élevée.

1.3. Le rôle modérateur de la position centrale et des trous structurels

13La position au sein d’un réseau (Burt, 1976) est souvent assimilée à de la centralité (Borgatti et al., 2013 ; Freeman, 1979). Cette centralité renvoie à « la position stratégique de la firme dans le réseau et aux avantages qui en découlent en matière d’implication dans plusieurs liens de coopération significatifs avec ses concurrents » (Gnyawali et al., 2006 : 512). Cette centralité est également assimilée au pouvoir (Gnyawali et Madhavan, 2001 ; Powell et al., 1996) en raison de son influence sur l'accès aux ressources des concurrents du réseau (Doz et Hamel, 1998). Les firmes occupant à cet égard une position centrale sont censées entreprendre davantage d’actions concurrentielles que celles jouissant d’une position moins centrale (Bensebaa, 2000 ; Gnyawali et al., 2006).

14De surcroît, la littérature reconnait que la firme ayant une position centrale dans un réseau donné bénéficie d’une bonne réputation (Stuart, 2000) lui conférant le statut de partenaire fiable et recherché avec lequel d’autres entreprises voudraient s’allier (Gulati, 1995). Dans ce sens, cette firme « centrale » augmente sa visibilité et partant, attire les autres acteurs du réseau qui cherchent à conclure des alliances avec elle (Meschi, 2006). Par ailleurs, quand les acteurs du réseau bénéficiant de positions centrales sont importants (en termes de chiffre d’affaires, de taille, etc.) et expérimentés dans les alliances (cette connaissance est appréciée au moyen des accords établis par le passé), ils vont être sollicités en matière d’établissement de nouvelles collaborations (Ahuja, 2000 ; Baum et al., 2000), ce qui peut conduire à des portefeuilles d’alliances denses de relations (Lavie, 2007).

15Un autre courant de la littérature académique admet que la centralité constitue une source de performance. Ainsi, Powell et al. (1996) soulignent que cette centralité est bénéfique à la firme qui en jouit. Cette position affecte également, de manière positive, la performance des entreprises en termes d’innovation (Ahuja, 2000 ; Koka et Prescott, 2008). De surcroît, les firmes qui développent une position primordiale au sein du réseau accumulent des informations et des ressources qui leur permettent d’améliorer leurs capacités à identifier de meilleurs partenaires (Ozcan et Eisenhardt, 2009). De même, les entreprises se trouvant dans une position centrale dans le réseau obtiennent un niveau de croissance conséquent (Powell et al., 1996). Enfin, dans un environnement complexe et turbulent (Dess et Beard, 1984), le management des portefeuilles d’alliances semble ardu (Parise et Casher, 2003). En effet, comme la multiplication des alliances renforce la centralité de la firme - par définition, un acteur central est connecté à un nombre substantiel de partenaires (Freeman, 1979) -, celle-ci se trouve confrontée à la difficulté de manager un portefeuille d’alliances hétérogène et large (Kale et Singh, 2009 ; Wassmer, 2010), ce qui est susceptible d’affecter négativement sa performance. Ces considérations conduisent à supposer que la centralité de la firme amène à l’élargissement de la taille de son portefeuille et partant, à la gestion complexe de celui-ci, à la redondance des informations véhiculées et à la diminution probable de la performance. Aussi l’hypothèse (H3.a) soutient-elle l’argument que la position centrale peut avoir un effet modérateur sur la relation positive entre la taille du portefeuille et la performance de la firme.

Hypothèse 3.a. La relation positive entre la taille du portefeuille d’alliances et la performance s’atténue quand la firme occupe une position centrale au sein de son réseau global.

16La littérature dans le champ des réseaux sociaux semble abondante (Borgatti et Everett, 1992 ; Burt et al., 2013 ; Cross et al., 2002 ; Hill et Dunbar, 2003 ; Moliterno et Mahony, 2011 ; Scott, 1988). La majorité des contributions de cette littérature ont trait aux propriétés structurelles telles que la position (cf. supra) et les trous structurels (Liao et Phan, 2016 ; Stohl et Stohl, 2007 ; Vasudeva et al., 2012 ; Walker et al., 1997 ; Zaheer et Bell, 2005)

  • 3 Le corporatisme sous-entend une doctrine socio-économique favorable à l’existence d'organisations ( (...)

17Partant de la critique formulée à l’égard du modèle de Coleman (1988) du capital social fondé sur la notion de réseau fermé, Burt (1992) souligne que ce capital social se traduit par l'existence de trous structurels au sein du réseau ouvert (Vasudeva et al., 2012 ; Walker et al., 1997 ; Zaheer et Bell, 2005). Il définit alors un trou structurel comme « l'absence d'une relation entre deux acteurs au sein d'une triade connexe » (p. 37). Il indique, tout de même, que les acteurs opérant dans un réseau comportant plusieurs trous structurels ont la possibilité d’accéder à de nouvelles informations avantageuses émanant de différents endroits du réseau. De surcroît, une firme occupant des trous structurels est en mesure d’être compétitive lorsque ses partenaires ou elle-même sont implantés dans des pays fortement corporatistes3 (Vasudeva et al., 2012) et obtient de meilleures performances, ce qui suggère que les entreprises sont susceptibles d’être contraintes de développer des capacités de réseau compatibles (Zaheer et Bell, 2005). En outre, les réseaux riches en trous structurels impliquent l'accès à des partenaires non liés mutuellement et, par conséquent, à des informations variées. Ce qui revient à supposer que les firmes cherchent à maximiser les trous structurels ou à minimiser les liens redondants entre les partenaires (Ahuja, 2000). En outre, en occupant des trous structurels, les firmes peuvent être en mesure d'accéder aux ressources disponibles dans cette structure de réseau (Zaheer et Bell, 2005).

18Par ailleurs, cette notion de trou structurel ou de non-redondance des liens dans la perspective des réseaux sociaux serait équivalente à celle de diversité du portefeuille (Wuyts et Dutta, 2014). En effet, comme le soulignent Jiang et al. (2010), la diversité d’un portefeuille d’alliances suppose un management complexe et par conséquent peut conduire à une baisse de la performance. Dans ces conditions, lorsque le portefeuille d’alliances se diversifie (en termes de caractéristiques et de types d’acteurs), la firme ayant constitué ce portefeuille éprouve des difficultés à le gérer et partant, se prive des opportunités d’apprentissage (Jiang et al., 2010). De manière similaire, lorsque la diversification du portefeuille d’alliances d’une firme focale est amplifiée (en termes de caractéristiques des alliances et des partenaires), celle-ci se trouve confrontée à la difficulté de coordonner des ressources variées et de gérer des tensions de nature hétérogène (Tidström, 2014). Elle peut ainsi faire face au problème de l’alignement stratégique des objectifs divergents affichés par les partenaires multiples du réseau (Hoffmann, 2005). Ce qui conduit à estimer que lorsque la firme occupe un trou structurel, les liens avec les partenaires ne sont pas redondants et par conséquent, plus diversifiés. Mais la performance de cette firme diminue en raison de la complexité du management d’une telle diversité, d’où l’hypothèse H3.b.

Hypothèse 3.b. La relation positive entre la diversité du portefeuille d’alliances et la performance est atténuée dès lors que la firme occupe un trou structurel au sein de son réseau global.

19La figure 1, présentée ci-dessous, représente le modèle conceptuel de cette contribution. Celui-ci traduit différentes relations : l’effet de la taille du portefeuille sur la performance (H1) ; l’effet de la diversité du portefeuille sur la performance (H2) ; l’effet modérateur de la position centrale (H3.a.) et du trou structurel (H3.b.).

Figure 1. Facteurs structurels influençant la performance organisationnelle

Image 10000000000002D200000133AB62B711A4B8B6F6.jpg

2. Méthodologie de la recherche

2.1. Champ d’observation, échantillon et sources de données

20Notre champ d’observation porte sur le secteur de la construction automobile. Le choix de ce secteur se justifie par le nombre élevé de structures de réseaux, mises en place en vue de développer des standards technologiques (Hani et Cheriet, 2013). Les constructeurs automobiles (code SIC 7311) sont issus d’Allemagne, de Chine, de Corée de Sud, des États-Unis, de France, de Grande-Bretagne, d’Inde, d’Italie, du Japon, de Russie, de Turquie et de Suède. Ces firmes représentent environ 80 % des ventes mondiales d’automobiles sur la période d’analyse (Hani et Cheriet, 2013). Les autres acteurs sont des équipementiers qui se sont fait une place dans la chaîne de valeur automobile et sont devenus des membres à part entière des réseaux et des portefeuilles d’alliances.

21Notre étude - longitudinale - est menée sur une période de 16 ans (2000-2015). Notre échantillon initial était composé de 1552 observations concernant 97 firmes. Une observation reflète des données relatives à une firme donnée sur une année donnée. Dans notre cas, nous avions au départ 97 firmes et 16 années d’étude, ce qui logiquement aurait dû conduire à 1552 observations. Or, comme des données portant sur certaines années et/ou certaines firmes manquent, nous avons été amenés à supprimer 489 observations liées à 16 firmes, ce qui nous a contraints à réduire notre échantillon à 1063 observations se rapportant à 81 firmes. La constitution de cet échantillon final est détaillée dans le tableau 1.

Tableau 1. Processus d’échantillonnage de 2000 à 2015

Nombre de firmes

Observations

 %

Échantillon initial

97

1552

100

Observations manquantes

16

489

31,5

Échantillon final

81

1063

68,5

  • 4 CCFA (Comité des Constructeurs Français d'Automobiles) est le syndicat professionnel des constructe (...)

22Nous avons collecté des données primaires et des données secondaires. Les données primaires ont été recueillies au moyen d’échanges directs par mail ou par téléphone auprès des managers des réseaux identifiés et auprès des dirigeants (directeurs/agents commerciaux) des constructeurs automobiles (tels que Mazda, PSA, Renault, Subaru etc.) rencontrés au forum de Paris « Le Mondial de l’Automobile » en 2012 d’une part, et d’un échange par voies téléphonique et électronique avec les responsables des réseaux stratégiques, d’autre part. Ces deux phases de collecte de données se sont déroulées au cours de la même période (2000-2015). S’agissant des données secondaires, elles ont été obtenues à partir des rapports d’activités annuels des firmes, à savoir 1296 rapports d’activités de 81 firmes sur 16 ans (de 2000 à 2015). Les données secondaires émanent également des revues spécialisées et des bases de données professionnelles du secteur automobile (CCFA, KPMG)4. De surcroît, des sites Internet, des revues de la presse économique spécialisée (tels que Le Boursier, Les Échos, Le Figaro, La Tribune) ont été consultés. L’utilisation de plusieurs sources et de plusieurs types de données secondaires vise à obtenir un certain niveau d’objectivité (Dess et Robinson, 1984 ; Geringer et Hebert, 1989). Ces sources de données secondaires ont permis de recueillir les données relatives aux portefeuilles d’alliances des firmes focales. Il s’agit principalement du nombre d’alliances dont dispose celles-ci. De plus, nous avons pu collecter toutes les données relatives aux actifs totaux des constructeurs, à leurs chiffres d’affaires (ventes), à leurs coûts de R&D et au nombre de leurs filiales.

  • 5 Une base de données portant sur des données comptables et financières relatives à des entreprises c (...)

23Pour saisir la structure réticulaire, nous avons d’abord recensé les différents réseaux formés par les relations inter-organisationnelles liant au moins trois constructeurs. Ensuite, nous avons distingué ces réseaux à partir de leur nature (réseau uniforme ou diversifié) et de leur taille (réseau large ou étroit). Puis, nous avons mesuré la position centrale de chaque firme en proposant une mesure qui tient compte à la fois du degré de centralité (Freeman, 1979) et du poids des voisins ou de ce qu’il est convenu d’appeler score Eigenvector (Bonacich, 1987). Enfin, nous avons consulté la base de données « Datastream5 » afin d’en extraire des données financières relatives au retour sur actifs (ROA), pris en compte pour mesurer la performance. Nous y avons extrait aussi des données relatives au total des actifs.

24Dans ce qui suit, nous décrivons les mesures de la variable dépendante (performance économique), les mesures des variables indépendantes - la taille du réseau d’appartenance et la nature du réseau d’après des variables modératrices, à savoir la position centrale de la firme au sein des réseaux dans lesquels elle est enchâssée et le trou structurel qu’elle occupe au sein de ce réseau d’appartenance. À côté de ces variables explicatives, nous avons considéré des variables de contrôle. Outre celles traditionnellement retenues et qui se rapportent à la taille et l’âge de la firme, nous avons pris en compte également la coopétition, la globalisation, l’intensité des frais de R&D, la taille du réseau, l’effet années, l’effet de la crise, l’effet du pays d’origine, l’effet du secteur. Le recours à de telles variables de contrôle s’explique par l’existence de différences structurelles importantes (i.e. spécificités sectorielles) et de différences culturelles et institutionnelles selon les pays.

2.2. Mesure des variables d’analyse

Tableau 2. Description des variables d’analyse

VARIABLES

STATUT

MESURES

SOURCE

RÉFÉRENCES

Performance

Y

Dépendante

EBITDA/ Total des actifs.

Base de données « Datastream »

Ansoff, 1965 ; Dess et Robinson, 1984 ; Kim, 2014

Taille du portefeuille

X1

Indépendantes

Rapport entre le log du nombre d’alliances de la firme divisé par le total de ses actifs.

Bases de données CCFA et KPMG

Ahuja, 2000 ; Hoffmann, 2007 ; Wassmer, 2010

Diversité du portefeuille

X2

Codage binaire. « 1 » si le réseau est diversifié (constitué d’acteurs issus de secteurs distincts), « 0 » sinon.

Plateformes électronique des réseaux analysés

Baum et al., 2000 ; Goerzen et Beamish, 2005 ; Lee et al., 2014

Position centrale

X3

Modératrices

Degré de centralité et du poids des voisins (Eigenvector)

Bases de données CCFA et KPMG

Freeman, 1979 ; Bonacich, 1987

Trou structurel

X4

Contrainte du logiciel UCINET 2013.

Logiciel UCINET 2013

Burt, 1992 ; Zaheer et Bell, 2005 ; Zaheer et Soda, 2009

Intensité des coûts R&D

Z1

Contrôle

Part des frais de R&D dans le chiffre d’affaires de l’entreprise

Rapports d’activité + Base de données « EDGAR »

Cui et O'Connor, 2012 ; Lavie, 2007

Coopétition

Z2

Codage binaire. « 1 » si présence de coopétition (alliance entre firmes concurrentes), « 0 » sinon.

Presse spécialisée

Bengtsson et Kock, 2000

Globalisation

Z3

Nombre de filiales dont dispose chaque firme par an.

Rapports d’activité + Base de données « SEC INFO »

Anwar, 2007 ; Vujakovic, 2010

Portefeuille réticulaire

Z4

Nombre de réseaux auxquels appartient la firme.

Sites internet des réseaux

Burgers, Hill et Kim, 1993 ; Erickson et Jacoby, 2003 ; Provan et Sebastian, 1998

Taille du réseau

Z5

Nombre d’acteurs composant ce réseau. Si la firme appartient à plusieurs réseaux, c’est la taille du plus grand qui est retenue.

Afuah, 2013 ; Lavie, 2007

Taille de la firme

Z6

Total des actifs pour chaque firme par an.

Base de données « Datastream »

Gulati, 1999

Âge de la firme

Z7

Année de création de la firme.

Sites internet des firmes

Kim, 2014 ; Peng, 2004

Crise

Z8

Codage binaire. « 1 » si période de crise (années 2007 et 2008), « 0 » sinon.

Pangarkar, 2007

2.3. Spécification économétrique

25Afin de tester les hypothèses de recherche, nous avons réalisé une analyse au moyen du logiciel d’économétrie STATA13 sur des données de panel (Baltagi, 2013). Notre modèle de recherche est représenté par l’équation suivante :

26Y𝒊t = (𝜷𝟏 X𝟏𝒊t +…+ 𝜷𝟒X𝟒𝒊t) + (𝜸𝟏Z𝟏𝒊t+…+ 𝜸𝟖Z𝟖𝒊t)+𝜺𝒊𝒕

27où, Y est la performance, 𝛽1 à 𝛽4 les coefficients associés aux variables indépendantes et modératrices X, 𝛾1 à 𝛾8 les coefficients des variables de contrôle Z et 𝜺𝒊𝒕 le terme d’erreur.

28Afin de mesurer l’effet des variables indépendantes (diversité et taille du portefeuille d’alliances) sur la variable dépendante (performance), nous nous sommes appuyés sur des régressions GLS à effets fixes avec des erreurs standards clustérisées au niveau individuel (firm-clustered standard errors). Le choix d’un tel modèle est justifié par la nature continue de la variable dépendante « Performance ». Au regard des résultats du test Hausman (1978), le modèle à effets fixes a été préféré à celui des effets aléatoires (Lavie, 2007). Ce dernier montre que le coefficient fourni par l’estimateur des effets fixes est significativement différent de celui obtenu avec les effets aléatoires (Khi2 = 14,31 ; Prob > Khi2 = 0,002). Par ailleurs, compte tenu de la méthode de régression à effets fixes d’une part, et de la présence de données de panel d’autre part, il est nécessaire de contrôler l’effet des années afin de tenir compte des variations possibles d’une année à une autre. Ce test montre que cette variable dummy contrôlée est significative (effet années : khi2 = 49,93 ; Prob. > khi2 = 0,00).

3. Analyse des résultats et discussion

3.1. Analyse des résultats

29Le tableau 3 présente les statistiques descriptives et la matrice de corrélation des différentes variables du modèle (variable à expliquer, variables explicatives et de contrôle).

Tableau 3. Statistiques descriptives et matrice des corrélations (Pairwise correlation)

Variable dépendante

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(1). Performance (ROA)

1,000

(2). Taille du portefeuille

0,03

1,000

(3). Diversité du portefeuille

0,08***

-0,10***

1,000

(4). Position centrale

0,04

-0,05*

0,39***

1,000

(5). Trous structurels

0,04

-0,19***

0,22***

0,14***

1,000

(6). Intensité des Coûts de R&D

-0,15***

0,07**

-0,04

-0,12***

-0,35***

1,000

(7). Globalisation

-0,05*

-0,16***

0,18***

0,44***

0,30***

-0,22***

1,000

(8). Coopétition

0,02

-0,07**

0,39***

0,55***

0,14***

-0,05**

0,22***

1,000

(9). Portefeuille réticulaire

0,01

-0,07**

0,51***

0,67***

0,24***

-0,13***

0,43***

0,52***

1,000

(10). Taille du réseau

0,05*

-0,07**

0,55***

0,33***

0,13***

0,03

0,10***

0,38***

0,55***

1,000

(11). Taille de la firme

0,02

-0,02

0,11***

0,29***

0,04

-0,09***

0,04

0,19***

0,24***

0,22***

1,000

(12). Age de la firme

-0,01

-0,08***

0,14***

0,36***

0,42***

-0,35***

0,47***

0,21***

0,38***

0,05*

-0,01

1,000

(13). Crise

-0,02

-0,01

-0,02

-0,00

0,00

0,06**

-0,01

-0,01

-0,03

-0,06**

-0,00

-0,00

1,000

N

Moy.

Stand. Dev.

1063

0,11

0,12

1063

3,76

1,40

1063

0,79

0,40

1063

0,34

0,30

1063

0,60

0,82

1063

0,10

0,14

1063

144,84

181,55

1063

0,59

0,49

1063

4,04

3,67

1063

213,77

196,73

1063

4,66

2,06

1063

58,83

41,51

1063

0,14

0,34

* p<0,1; ** p< 0,05; *** p < 0,01 (test bilateral)

30Le tableau des corrélations présenté n’affiche pas de problèmes de colinéarité entre les variables. Pour s’assurer de l’absence de cette colinéarité, un test VIF (Variance Inflation Factor) a été effectué (tableau 4). Ce test indique que toutes les variables ont un VIF inférieur à 10, rejoignant ainsi les préconisations de Chatterjee et Hadi (2006).

31Dans notre analyse, nous nous sommes également appuyés sur le principe statistique de parcimonie afin de choisir le meilleur modèle (Greene, 2003). Ainsi, nous avons cherché la combinaison optimale de variables indépendantes permettant d’expliquer au mieux la variable dépendante. Cette combinaison peut passer par deux voies. La première dite ascendante, méthode de pas-à-pas ou encore stepwise regression, permet de générer les modèles en incluant progressivement les variables. La seconde méthode dite descendante, ou backward elimination, permet d’inclure toutes les variables et d’enlever progressivement celles dont la significativité est la moins bonne. Nous avons opté pour la première étant donné qu’elle permet, dans les phases exploratoires de l'élaboration d'un modèle, d'identifier un sous-ensemble utile de prédicteurs. À chaque étape, le procédé ajoute la variable la plus significative ou supprime la variable la moins significative.

Tableau 4. Le test VIF des variables d’analyse

Variable

VIF

1/VIF

Taille du portefeuille

3,63

0,27

Diversité du portefeuille

3,51

0,28

Position centrale

2,35

0,42

Trous structurels

4,51

0,22

Intensité des Coûts de R&D

1,42

0,70

Coopétition

1,52

0,66

Globalisation

1,55

0,64

Portefeuille réticulaire

2,76

0,36

Taille du réseau

1,80

0,55

Taille de la firme

1,18

0,85

Âge de la firme

1,76

0,56

Crise

1,02

0,98

Moyenne du VIF

2,23

32Le tableau 5 présente les résultats des régressions relatives aux déterminants structurels de la performance, en l’occurrence, la diversité et la taille du portefeuille d’alliances. Quatre catégories de modèles linéaires de déterminants y sont exposées.

33La première catégorie représentée par le modèle 1 tient compte de l’ensemble des variables d’intérêt et de contrôle et écarte l’effet de la variable dummy. L’analyse menée montre que ce modèle présente une bonne qualité d’ajustement (25 %).

34La deuxième catégorie (modèle 2) introduit dans la régression, outre les variables d’intérêt et de contrôle, la variable dummy « année ». Les résultats affichent un R2 plus élevé que celui du modèle 1 (ce R2 passe de 25 % à 29 % en incluant l’effet année).

35La troisième catégorie se rapporte aux modèles 3 et 4 qui intègrent l’effet simultané des variables d’intérêt et de la variable dummy « année », en incluant progressivement des variables de contrôle. La performance globale des modèles ne change pas (29 %).

36Enfin, la quatrième et dernière catégorie représentée par le modèle 5 tient compte à la fois des variables d’intérêt, de contrôle et de la variables dummy « année » et affiche la qualité d’ajustement la plus élevée (29,6 %). Ce modèle où toutes les variables indépendantes sont statistiquement significatives au seuil de 1 % retient notre attention. Plusieurs raisons justifient ce choix. D’abord, le modèle 5 présente une meilleure qualité d’ajustement avec un R2 à 29,6. Puis, il tient compte de l’ensemble des variables d’analyse et de contrôle. Ensuite, il intègre l’effet des années sur la performance, compte tenu des résultats obtenus du test Parm. Enfin, ce modèle conduit à être parcimonieux et partant, à avoir le maximum de significativité.

Tableau 5. Régression GLS avec effets fixes de la performance

Variable Dépendante

Modèle 1

Modèle 2

Modèle 3

Modèle 4

Modèle 5

Effets fixes

INCLUS

INCLUS

INCLUS

INCLUS

INCLUS

Taille du portefeuille

36,696***

34,069***

33,652***

34,074***

34,066***

(7,432)

(7,090)

(7,051)

(7,087)

(7,089)

Diversité du portefeuille

0,0522**

0,0470**

0,0493**

0,0470**

0,0470**

(0,0236)

(0,0228)

(0,0227)

(0,0228)

(0,0228)

Position centrale

0,780

0,342

-0,148

0,353

0,373

(1,054)

(1,061)

(1,051)

(1,096)

(1,099)

Trous structurels

0,0665*

0,0435

0,0483

0,0436

0,0435

(0,0353)

(0,0388)

(0,0383)

(0,0387)

(0,0388)

Taille portef. X Position

-117,573***

-106,883***

-103,548***

-106,842***

-106,848***

(26,330)

(24,229)

(23,937)

(24,236)

(24,238)

Diversité portef. X Trous st.

-0,0499***

-0,0474***

-0,0473***

-0,0474***

-0,0474***

(0,0157)

(0,0152)

(0,0154)

(0,0152)

(0,0152)

Intensité des coûts de R&D

-0,553***

-0,544***

-0,540***

-0,544***

-0,544***

(0,0440)

(0,0386)

(0,0379)

(0,0386)

(0,0386)

Coopétition

-0,0106

-0,00663

-0,00761

-0,00663

-0,00666

(0,0164)

(0,0155)

(0,0155)

(0,0155)

(0,0155)

Globalisation

-4,35e-05

-2,73e-05

-3,00e-05

-2,59e-05

-2,59e-05

(2,84e-05)

(2,44e-05)

(2,60e-05)

(2,69e-05)

(2,69e-05)

Taille du réseau global

-2,72e-05

-2,96e-05

-4,34e-05*

-2,96e-05

-2,93e-05

(2,35e-05)

(2,72e-05)

(2,55e-05)

(2,73e-05)

(2,73e-05)

Portefeuille réticulaire

-0,00112

-0,00273

-0,00272

-0,00273

(0,00157)

(0,00174)

(0,00174)

(0,00174)

Total des actifs

1,06e-10

1,65e-10**

1,63e-10**

1,64e-10**

(1,01e-10)

(7,89e-11)

(8,00e-11)

(8,01e-11)

Âge de la firme

-0,000233

0,000240

0,000238

(0,000804)

(0,000159)

(0,000160)

Crise

-0,00177

-0,0494***

-0,0189

(0,00976)

(0,0170)

(0,0131)

Constante

-0,128

0,0457

0,221

0,0538

0,0350

(0,367)

(0,374)

(0,371)

(0,384)

(0,387)

Nombre d’observations

1063

1063

1063

1063

1063

Nombre de firmes

81

81

81

81

81

R2

0,256

0,296

0,294

0,296

0,296

R2_Ajusté

0,246

0,277

0,277

0,277

0,277

R2_w

0,256

0,296

0,294

0,296

0,296

R2_b

0,0783

0,0977

0,0175

0,104

0,0949

R2_o

0,0483

0,0927

0,0707

0,0982

0,0873

Effet dummy « année »

NON

OUI

OUI

OUI

OUI

(Le clustering des erreurs standards est entre parenthèses)

*** p<0,01, ** p<0,05, * p<0,1

37Le modèle 5 retenu indique que la taille du portefeuille d’alliances explique de manière statistiquement significative et positive (p<0,01) la performance de la firme focale. Ce qui amène à estimer que lorsque la taille du portefeuille d’alliances (saisie par le nombre de partenaires) de la firme focale est large, celle-ci voit sa performance augmenter. Ce résultat permet de valider l’hypothèse H1 au seuil de 1 %. De même, la relation entre la diversité du portefeuille d’alliances et la variable dépendante « performance » s’avère être statistiquement significative et positive (p<0,05). Ainsi, lorsque le portefeuille d’alliances est diversifié, la performance de la firme focale augmente. Ce deuxième résultat permet de corroborer l’hypothèse H2 au seuil de 5 %.

38S’agissant de l’effet modérateur de la position centrale d’une firme sur la relation positive entre taille du portefeuille et performance des firmes, celui-ci est négatif et statistiquement significatif au seuil de 1 %. La relation positive entre la taille du portefeuille d’alliances et la performance des firmes s’atténue avec l’augmentation de la position centrale. Autrement dit, plus la firme devient centrale, plus la taille de son portefeuille affecte négativement sa performance. Ce résultat permet de corroborer l’hypothèse H3.a. Enfin, l’effet modérateur du trou structurel sur le lien positif entre la diversité du portefeuille d’alliances et la performance des firmes se révèle négatif et statistiquement significatif au seuil de 1 %. En d’autres termes, la relation positive entre la diversité du portefeuille et la performance de l’entreprise focale est affectée négativement par l’occupation d’un trou structurel. Dans cette veine, plus la firme occupe un trou structurel, plus les liens y sont non-redondants et plus l’effet de la diversité sur la performance devient négatif. Ce résultat permet de valider l’hypothèse H3.b. Cette relation curviligne entre d’une part, la taille du portefeuille et la performance et d’autre part, la diversité du portefeuille et la performance, traduit dans une certaine mesure l’effet pervers de la position centrale et du trou structurel (voir, figure 2).

Figure 2. L’effet pervers de la position centrale et du trou structurel sur la performance

Image 10000000000002B800000146557BE8E4028F2C3A.jpg

39Enfin, les variables de contrôle ont également un effet sur la performance des firmes. En effet, l’intensité des coûts de R&D est statistiquement significative au seuil de 1 % et son effet sur la performance est négatif. La variable « taille de la firme » est statistiquement significative au seuil de 5 % et son effet sur la performance est positif. L’ensemble de ces résultats sont repris dans la figure 3 ci-dessous.

Figure 3. Synthèse des résultats

Image 100000000000032A00000174B6BADD286A5B641E.jpg

4. Interprétation et discussion des résultats

40Les résultats obtenus sont conformes pour l’essentiel à la littérature académique ayant montré que la structure réticulaire constitue une solution de substitution à l’intégration et à la sous-traitance (Bandeira et al., 2012 ; Jarillo, 1988). Ce qui conduit à mettre en exergue la primauté des alliances dans les structures de réseaux (Gulati et al., 2000 ; Meschi, 2006) et de portefeuille (Lavie, 2007). Ces résultats sont détaillés dans les développements qui suivent.

41En premier lieu, les résultats, portant sur le rôle de la taille du réseau sur la performance des entreprises, viennent compléter la littérature antérieure. Ils s’alignent, cependant, sur les contributions qui mettent en évidence la performance des réseaux de grande taille (Ahuja, 2000 ; Baum et al., 2000) en soulignant que les ressources et les savoirs variés proviendraient d’un portefeuille d’alliances de grande taille (Lahiri et Narayanan, 2013). En même temps, la taille du réseau, bien qu’elle soit explicative, ne peut constituer la seule variable réticulaire de la performance (Afuah, 2013). Toutefois, ces résultats vont à l’encontre des conclusions de Hirtle (2007) et de Wassmer (2010) selon lesquels il n’existe pas de relation systématique entre la taille du réseau et la performance des firmes membres.

42La multiplicité de ces alliances (reflétée par la taille du portefeuille) offre certes l’avantage d’accéder à des ressources complémentaires, diverses et hétérogènes, mais cela s’accompagne inévitablement du problème de leur gestion (Kale et Singh, 2009 ; Wassmer, 2010). De plus, dans un environnement complexe et turbulent tel que celui dans lequel opèreraient de plus en plus les entreprises, le management des portefeuilles d’alliances s’avère relativement ardu (Parise et Casher, 2003). Cependant, en dépit de ces nuances, la taille du portefeuille offre de nombreux avantages (Lahiri et Narayanan, 2013) :

- plus le portefeuille d’alliances auquel la firme appartient intègre de nouveaux partenaires, plus le nombre de partenaires desquels la firme peut obtenir des ressources diverses augmente. Dès lors, le savoir obtenu de ces alliances est susceptible d’améliorer la performance en innovation (Hoffmann, 2007) ;

- dans une logique de portefeuille, les firmes ayant des alliances diversifiées sont plus susceptibles d’être au centre du réseau et de bénéficier d’une telle position pour atteindre un niveau élevé de croissance (Powell et al., 1996 ; Sampson, 2007) ;

- une firme intégrant un portefeuille d’alliances de grande taille et diversifié peut avoir accès à des savoirs multiples détenus par les meilleurs partenaires (Grant, 1996) ;

- une firme intégrant un portefeuille d’alliances large est susceptible d’avoir un taux élevé de survie de ses alliances (Kale et al., 2002).

43En deuxième lieu, les résultats permettent, en matière de diversité du réseau, de considérer que celle-ci pourrait améliorer la performance des firmes. Ces résultats rejoignent l’analyse de Burt (1992) affirmant que la diversité des acteurs permet d’accéder à une multitude d’informations diverses et d’en améliorer la qualité. En d’autres termes, l’information est d’autant plus riche qu’elle est fournie par un groupe composé d’acteurs de nature différente. De même, une firme ayant un nombre substantiel de contacts diversifiés a un accès à davantage d’informations variées et non redondantes. Ce qui est susceptible de conduire à la constitution par l’entreprise d’un capital social substantiel (Koka et Prescott, 2002). Nos résultats correspondent également aux conclusions de Miles et Snow (1986) qui avancent que les réseaux dynamiques se caractérisent par une multitude d’acteurs de nature distincte (« brokers », concepteurs, distributeurs, fournisseurs et producteurs). Un autre élément important vient s’ajouter à ce constat. Selon Assens (2003), un réseau remet en cause les rôles et les statuts des intervenants. Les alliances se nouent également entre des concurrents et des fournisseurs pouvant devenir dans l’avenir des clients. Cette considération remet en cause les frontières traditionnelles qui s’effaceraient au profit de relations inter-organisationnelles (Assens, 2003 ; Bandeira et al., 2012 ; Dumoulin et al., 2000). Les résultats obtenus se distinguent dans cette perspective de ceux affichés par Ahuja (2000) qui soutient qu’un réseau uniforme (constitué d’acteurs appartenant au même secteur d’activité) stimule la performance en matière d’innovation.

44En troisième lieu, les résultats conduisent à soutenir que les éléments modérateurs (position centrale et trou structurel) ont un effet négatif sur la relation entre les caractéristiques structurelles (taille et diversité) et la performance des firmes. Plus spécifiquement, la relation entre la taille du portefeuille et la performance des entreprises s’atténue avec le renforcement de la position centrale, d’une part et la multiplication des trous structurels, d’autre part. Ceci peut être expliqué par la complexité des relations à gérer (Duysters et Lokshin, 2011). En effet, la littérature antérieure admet que la firme centrale fait face à la difficulté de gérer un portefeuille hétérogène et large d’alliances (Kale et Singh, 2009 ; Parise et Casher, 2003 ; Wassmer, 2010). Ce qui affecte négativement sa performance en raison de la coordination peu aisée de ressources dissemblables et de la gestion ardue des tensions entre acteurs hétérogènes (Tidström, 2014) telles que la difficulté d’aligner stratégiquement les objectifs divergents des partenaires multiples (Hoffmann, 2005). Selon certains auteurs (tels que Goerzen et Beamish, 2005), lorsqu’une entreprise élargit son portefeuille d’alliances de manière conséquente, elle risque de se retrouver confrontée à des coûts de transaction excessifs, susceptibles de mener à une allocation inefficiente des ressources (centres de R&D fragmentés), à des erreurs de coordination (compagnes publicitaires redondantes) et à une faible performance (coût d’opportunité dû aux efforts dispersés). Ils affirment, en outre, que l’hétérogénéité d’un portefeuille d’alliances peut avoir des résultats relativement mitigés à partir du moment où le coût marginal de la diversité devient substantiellement plus élevé que le bénéfice marginal (Baum et al., 2000 ; Goerzen et Beamish, 2005). Enfin, les résultats rejoignent ceux proposés par Shan et al. (1994) et Wassmer (2010) qui affirment qu’un réseau de grande taille n’est pas forcément le plus efficace et/ou le plus efficient car les informations qui y sont véhiculées peuvent provenir de partenaires similaires offrant des ressources redondantes.

45Les trois résultats exposés ci-dessus conduisent à mettre en évidence le recours systématique des firmes à des relations inter-organisationnelles élargies, non fondées uniquement sur des liens dyadiques. Dès lors, la nécessité d’adopter en matière de recherche une perspective fondée sur des approches globales de réseau et de portefeuille d’alliances s’avère féconde. Dans cette optique, le travail mené introduit un niveau d’analyse - le réseau d’alliances - qui étend les approches relationnelles dyadiques et suggère des coopérations allant au-delà des frontières inter-organisationnelles. Le travail réalisé complète ainsi les recherches antérieures sur les alliances et les réseaux d’alliances et souligne le traitement de la performance au moyen de paramètres structurels inhérents à la configuration réticulaire dans laquelle les firmes sont enchâssées (Gulati, 1995 ; Uzzi, 1997) au lieu des variables inter-organisationnelles, organisationnelles et sectorielles.

Conclusion

46Cette recherche pose la question suivante : dans quelle mesure la taille et la diversité d’un portefeuille d’alliances affectent la performance d’une firme, compte tenu de la position centrale et du trou structurel qu’occupe celle-ci ? Le travail entrepris conduit à mettre en évidence trois résultats majeurs. Le premier résultat indique que la taille du portefeuille d’alliances a un effet substantiel sur la performance des firmes. Le deuxième résultat admet l’importance de la diversité du portefeuille d’alliances dans la multiplication des performances. Le troisième résultat laisse entendre que la position centrale d’une firme au sein de son réseau global, d’une part et le trou structurel qu’occupe la firme au sein de ce réseau global, d’autre part, jouent un rôle modérateur en matière de relations positives entre taille/diversité du portefeuille et la performance. En effet, la position centrale et le trou structurel affectent négativement ces relations. Ces trois résultats se traduisent par trois apports principaux. Le premier a trait à la mise en avant de relations curvilignes (Deeds et Rothaermel, 2003 ; Duysters et Lokshin, 2011) plutôt que linéaires entre les caractéristiques du portefeuille d’alliances (taille/diversité) et la performance en raison du rôle modérateur de la position centrale et du trou structurel qu’occupe la firme au sein de son réseau global. Le deuxième apport fait référence à l’effet « pervers » de la taille et de la diversité du portefeuille d’alliances sur la performance et qui résultent de la complexité du management du nombre important des liens et de leur diversité. Le troisième apport souligne le changement de perspective en matière d’analyse des comportements stratégiques en reconnaissant l’approche de portefeuille d’alliances comme une extension de la relation inter-organisationnelle dyadique.

47Cette recherche met également en évidence des apports liés aux caractéristiques structurelles. Tout d’abord, la taille du portefeuille d’alliances ne se limite pas aux liens directs qu’a la firme avec ses partenaires. Les liens indirects, qui traduisent la densité du réseau, sont également appréhendés. À cet égard, outre la position de la firme au sein de son réseau et le trou structurel, d’autres variables structurelles inhérentes aux réseaux sont susceptibles d’être prises en compte comme la force des liens faibles (Granovetter, 1985), etc.

48Cette étude n’est cependant pas exempte de limites qui sont autant de voies de recherche. En premier lieu, cette recherche pourrait être complétée par une étude qualitative qui prendrait en compte des variables cognitives comme la confiance. En deuxième lieu, il serait intéressant de réfléchir à la question du management des tensions coopétitives paradoxales qui pourraient émerger de telles structures. Enfin, l’effet des caractéristiques du portefeuille sur l’innovation des firmes serait une piste féconde à explorer.

Haut de page

Bibliographie

Afuah A. (2013), « Are Network Effects Really All About Size? The Role of Structure and Conduct », Strategic Management Journal, vol. 34, n° 3, p. 257-273. 

Ahuja G. (2000), « The Duality of Collaboration: Inducements and Opportunities in The Formation of Interfirm Linkages », Strategic Management Journal, vol. 21, n° 3, p. 317–343

Andrevski G. Brass D.J. et Ferrier W. (2013), « Alliance Portfolio Configurations and Competitive Action Frequency », Journal of Management, vol. 20, n° 10, p. 1-27.

Ansoff I. (1965), Corporate Strategy, McGraw Hill.

Anwar S.T. (2007), « Global Business and Globalization », Journal of International Management, vol. 13, n° 1, p. 78-89.

Assens C. (2003), « Le réseau d’entreprises : vers une synthèse des connaissances », Management International, vol. 7, n° 4, p. 49-59.

Baltagi B.H. (2013), Econometric Analysis of Panel Data, Wiley

Bandeira L.R. Amewokunu Y. et Karuranga E. (2012), « La performance des réseaux : les cas de deux réseaux brésiliens », Management International, vol. 16, n° 4, p. 85-102.

Baum J.A. Cowan R. et Jonard N. (2014), « Does Evidence of Network Effects on Firm Performance in Pooled Cross-Section Support Prescriptions for Network Strategy? », Strategic Management Journal, vol. 35, n° 5, p. 652-667.

Baum J.A.C. Calabrese T. et Silverman B.S. (2000), « Don’t Go it Alone: Alliance Network Composition and Startups’ Performance in Canadian Biotechnology », Strategic Management Journal, vol. 21, n° 3, p. 267-294.

Bengtsson M. et Kock S. (2000), « Co-opetition in Business Networks: To Cooperate and Compete Simultaneously », Industrial Marketing Management, vol. 29, n° 5, p. 411–426.

Bensebaa F. (2000), « Actions stratégiques et réactions des entreprises », M@n@gement, vol. 3, n° 2, p. 57-79.

Bonacich P. (1987), « Power and Centrality: A Family of Measures », American Journal of Sociology, vol. 92, n° 5, p. 1170-1182.

Borgatti S.P. et Everett M.G. (1992), « Notion of Position in Social Network Analysis », Sociological Methodology, n° 22, p. 1-35.

Borgatti S.P. Everett M.G. et Johnson J.C. (2013), Analyzing Social Networks, SAGE Publications Limited.

Bourgeois L.J. (1985), « Strategic Goals, Perceived Uncertainty, and Economic Performance in Volatile Environments », Academy of Management Journal, vol. 28, n° 3, p. 548-573.

Brandeburger A. et Nalebuff B. (1996), Co-opetition, Doubleday Currency.

Burgers W.P. Hill C.W. et Kim W.C. (1993), « A theory of Global Strategic Alliances: The Case of The Global Auto Industry », Strategic Management Journal, vol. 14, n° 6, p. 419-432

Burt R.S. (1992), Structural Holes: The Social Structure of Competition, MA: Harvard University Press.

Burt R.S. (1976), « Positions in Networks », Social Forces, vol. 55, n° 1, p. 93-122.

Burt R.S. Kilduff M. et Tasselli S. (2013), « Social Network Analysis: Foundations and Frontiers of Advantage », Annual Review of Psychology, vol. 64, p. 527-547.

Chatterjee S. et Hadi A.S. (2006), Regression Analysis by Example, John Wiley and Sons.

Coleman J.S. (1988), « Social Capital in the Creation of Human Capital », American Journal of Sociology, vol. 94, p. 95– 121.

Cross R. Borgatti S. et Parker A. (2002), « Making Invisible Work Visible: Using Social Network Support Strategic Collaboration », California Management Review, vol. 44, n° 2, p. 25-46.

Cui A.S. et O’Connor G. (2012), « Alliance Portfolio Resource Diversity and Firm Innovation», Journal of Marketing, vol. 76, n° 4, p. 24-43.

Das T.K. et Teng B.S. (2000), « A Resource-Based Theory of Strategic Alliances », Journal of Management, vol. 26, n° 1, p. 31-61.

Deeds D.L. et Rothaermel F.T. (2003), « Honeymoons and Liabilities: The Relationship Between Age and Performance in Research and Development Alliances », Journal of Product Innovation Management, vol. 20, n° 6, p. 468-484.

Denis D.J. et Kruse T.A. (2000), « Managerial Discipline and Corporate Restructuring Following Performance Declines », Journal of Financial Economics, vol. 55, n° 3, p. 391-424

Dess G.G. et Beard D.W. (1984), « Dimensions of Organizational Task Environments », Administrative Science Quarterly, n° 29, p. 52-73.

Dess G.G. et Robinson R.B. (1984), « Measuring Organizational Performance in The Absence of Objective Measures: The Case of The PrivatelyHeld Firm and Conglomerate Business Unit », Strategic Management Journal, vol. 5, n° 3, p. 265-273.

Doz Y. et Hamel G. (1998), Alliance Advantage Boston, Harvard Business School Press.

Dumoulin R. Meschi P.X. et Uhlig T. (2000), « Management, contrôle et performance des réseaux d’entreprises : Etude empirique de 55 réseaux d’alliances », Revue Finance-Contrôle-Stratégie, vol. 3, n° 2, juin, p. 81-112.

Duysters G. et Lokshin B. (2011), « Determinants of Alliance Portfolio Complexity and Its Effect on Innovative Performance of Companies », Journal of Product Innovation Management, vol. 28, n° 4, p. 570-585.

Duysters G. Heimeriks K.H. Lokshin B. Meijer E. et Sabidussi A. (2012), « Do Firms Learn to Manage Alliance Portfolio Diversity? The DiversityPerformance Relationship and the Moderating Effects of Experience and Capability », European Management Review, vol. 9, n° 3, p. 139-152.

Dyer J. et Singh H. (1998), « The Relational View: Cooperative Strategies and Sources of Interorganizational Competitive Advantage », Academy of Management Review, vol. 23, n° 4, p. 660-679.

Erickson C.L. et Jacoby S.M. (2003), « The Effect of Employer Networks on Workplace Innovation and Training », Industrial & Labor Relations Review, 56, n° 2, p. 203-223.

Freeman L.C. (1979), « Centrality in Social Networks Conceptual Clarification », Social Networks, vol. 1, n° 3, p. 215-239.

Geringer J.M. et Hébert L. (1989), « Control and Performance of International Joint Ventures», Journal of International Business Studies, vol. 20, n° 2, p. 235-254.

Gnyawali D.R. He J. et Madhavan R. (2006), « Impact of Co-Opetition on Firm Competitive Behavior: An Empirical Examination », Journal of Management, vol. 32, n° 4, p. 507-530.

Gnyawali D.R. et Madhavan R. (2001), « Cooperative Networks and Competitive Dynamics: a Structural Embeddedness Perspective », Academy of Management Review, vol. 26, n° 3, p. 431-445.

Goerzen A. et Beamish P.W. (2005), « The Effect of Alliance Network Diversity on Multinational Enterprise Performance », Strategic Management Journal, vol. 26, n° 4, p. 333-354.

Grant R.M. (1996), « Toward a Knowledge-Based Theory of The Firm », Strategic Management Journal, vol. 17, n° 2, p. 109-122.

Greene W.H. (2003), Econometric Analysis, Pearson Education.

Gulati R. (1999), « Network Location and Learning: The Influence of Network Resources and Firm Capabilities on Alliance Formation », Strategic Management Journal, vol. 20, n° 4, p. 397-420.

Gulati R. (1998), « Alliances and Networks », Strategic Management Journal, vol. 19, n° 4, p. 293–317.

Gulati R. (1995), « Social Structure and Alliance Formation Patterns: A Longitudinal Analysis », Administrative Science Quarterly, vol. 40, n° 4, p. 619–652.

Gulati R. Nohria N. et Zaheer A. (2000), « Strategic Networks », Strategic Management Journal, vol. 21, n° 3, p. 203–215.

Halloul R. (2001), « Comportements d’entreprises et alliances, Repères et controverse », Document de travail, Laboratoire de Recherche sur l’Industrie et l’Innovation, Université du Littoral-Côte d’Opale, vol. 47.

Hani, M. et Cheriet F. (2018), « À quel réseau appartenir pour améliorer sa performance ? », Management International, vol. 22, n° 4, p. 60-74.

Hani M. et Cheriet F. (2013), « Pour une lecture intégrée des effets d’une alliance stratégique : étude du cas de l’alliance General Motors », AIMS, Clermont-Ferrand, juin, p. 10-12.

Hausman J.A. (1978), « Specification Tests in Econometrics », Journal of the Econometric Society, p. 1251-1271

Hill R. et Dunkar R. (2003), « Social Network Size in Humans », Human Nature, vol. 14, n° 1, p. 53-72.

Hirtle B. (2007), « The impact of Network Size on Bank Branch Performance », Journal of Banking & Finance, vol. 31, n° 12, p. 3782-3805.

Hoffmann W.H. (2005), « How to Manage a Portfolio of Alliances », Long Range Planning, vol. 38, n° 2, p. 121-143.

Hoffmann W.H. (2007), « Strategies for Managing a Portfolio of Alliances », Strategic Management Journal, vol. 28, n° 8, p. 827-856.

Jarillo J.C. (1988), « On Strategic Networks », Strategic Management Journal, vol. 9, n° 1, p. 31-41.

Jiang R.J. Tao Q.T. et Santoro M.D. (2010), « Alliance Portfolio Diversity and Firm Performance », Strategic Management Journal, vol. 31, n° 10, p. 1136-1144.

Kale P. et Singh H. (2009), « Managing Strategic Alliances: What Do We Know Now, and Where Do We Go From Here », Academy of management perspectives, vol. 23, n° 3, p. 45-62

Kale, P. Dyer J.H. et Singh H. (2002), « Alliance Capability, Stock Market Response, and Long-Term Alliance Success: The Role of The Alliance Function », Strategic Management Journal, vol. 23, n° 8, p. 747-767.

Kim S.Y. (2014), « Influence of Firm and Partner Resources on Firm Performance in The Alliance Portfolio », M@n@gement, vol. 2, n° 17, p. 88-109.

Koka B. et Prescott J. (2008), « Designing Alliance Networks: The Influence of Network Position, Environmental Change, and Strategy on Firm Performance », Strategic Management Journal, vol. 29, n° 6, p. 639-661.

Lahiri N. et Narayanan S. (2013), « Vertical Integration, Innovation, and Alliance Portfolio Size: Implications for Firm Performance », Strategic Management Journal, vol. 34, n° 9, p. 1042-1064.

Lavie D. (2006), « The Competitive Advantage of Interconnected Firms: An Extension of The Resource-Based View », Academy of Management Review, vol. 31, n° 3, p. 638-658.

Lavie D. (2007), « Alliance Portfolios and Firm Performance: A Study of Value Creation and Appropriation in The Us Software Industry », Strategic Management Journal, vol. 28, n° 12, p. 1187-1212

Lee D.D. Kirkpatrick-Husk K. et Madhavan R. (2014), « Diversity in Alliance Portfolios and Performance Outcomes A Meta-Analysis », Journal of Management: 0149206314556316.

Leeuw (de) T. Lokshin B. et Duysters G. (2014), « Returns to Alliance Portfolio Diversity: The Relative Effects of Partner Diversity on Firm's Innovative Performance and Productivity», Journal of Business Research, vol. 67, n° 9, p. 1839-1849.

Liao Y. et Phan P. (2016), « Internal Capabilities, External Structural Holes Network Positions, and Knowledge Creation », The Journal of Technology Transfer, vol. 41, n° 5, p. 1148-1167.

Lin Z.J. Yang H. et Arya B. (2009), « Alliance Partners and Firm Performance: Resource Complementarity and Status Association », Strategic Management Journal, vol. 30, n° 9, p. 921-940.

Meschi P.X. (2006), « Réseaux inter-organisationnels et survie des alliances », Revue française de gestion, vol. 5, n° 164, p. 33-54.

Miles R.E. et Snow C.C. (1986), « Organizations: New Concepts for New Forms », California Management Review, vol. 28, n° 3, p. 62-73.

Moliterno T. et Mahony D. (2011), « Network Theory of Organization: A Multilevel Approach », Journal of Management, vol. 37, n° 2, p. 443-467.

Mouri N. Sarkar M.B. et Frye M. (2012), « Alliance Portfolios and Shareholder Value in Post-Ipo Firms: The Moderating Roles Of Portfolio Structure and Firm-Level Uncertainty », Journal of Business Venturing, vol. 27, n° 3, p. 355-371.

Nohria N. et GarciaPont C. (1991), « Global Strategic Linkages and Industry Structure », Strategic Management Journal, vol. 12, n° 1, p. 105-124.

Osborn R.N. et Hagedoorn J. (1997), « The Institutionalization and Evolutionary Dynamics of Interorganizational Alliances and Networks », Academy of Management Journal, vol. 40, n° 2, p. 261-278.

Ozcan P. et Eisenhardt K.M. (2009), « Origin of Alliance Portfolios: Entrepreneurs, Network Strategies, and Firm Performance », Academy of Management Journal, vol. 52, n° 2, p. 246-279.

Pangarkar N. (2007), « Survival During a Crisis: Alliances by Singapore Firms », British Journal of Management, vol. 18, n° 3, p. 209–223.

Parise S. et Casher A. (2003), « Alliance Portfolios: Designing and Managing Your Network of Business-Partner Relationships », Academy of Management Executive, vol. 17, n° 4, p. 25-39.

Peng M. (2004), « Outside Directors and Firm Performance During Institutional Transitions », Strategic Management Journal, vol. 25, n° 5, p. 453–471.

Powell W.W. Koput K.W. et Smith-Doerr L. (1996), « Interoganizational Collaboration and The Locus of Innovation: Networks of Learning in Biotechnology », Administrative Science Quarterly, vol. 41, n° 1, p. 116-145.

Provan K.G. et Sebastian J.G. (1998), « Networks Within Networks: Service Link Overlap, Organizational Cliques, and Network Effectiveness », Academy of Management Journal, vol. 41, n° 4, p. 453-463.

Reuer J.J. et Ragozzino R. (2006), « Agency Hazards and Alliance Portfolios », Strategic Management Journal, vol. 27, n° 1, p. 27-43.

Sampson R.C. (2007), « R&D Alliances and Firm Performance: The Impact of Technological Diversity and Alliance Organization on Innovation », Academy of Management Journal, vol. 50, n° 2, p. 364-386.

Scott J. (1988), « Trend Report Social Network Analysis », Sociology, vol. 22, n° 1, p. 109-127

Shan W. Walker G. et Kogut B. (1994), « Research Notes and Communications », Strategic Management Journal, vol. 15, n° 5, p. 387-394.

Stohl M. et Stohl C. (2007), « Human Rights, Nation States, and NGOs: Structural Holes and The Emergence of Global Regimes », Communication Monographs, vol. 72, n° 4, p. 442-467

Stuart T.E. (2000), « Interorganizational Alliances and The Performance of Firms: A Study of Growth and Innovation Rates in a High-Technology Industry », Strategic Management Journal, vol. 21, n° 8, p. 791-811.

Stuart T.E. Hoang H. et Hybels R. (1999), « Interorganizational Endorsements and The Performance of Entrepreneurial Ventures », Administrative Science Quarterly, vol. 44, n° 2, p. 315-349

Tidström A. (2014), « Managing Tensions in Coopetition », Industrial Marketing Management, vol. 43, n° 2, p. 261–271.

Uzzi B. (1997), « Social Structure and Competition in Interfirm Networks: The Paradox of Embeddedness », Administrative Science Quarterly, vol. 42, n° 1, p. 1- 35.

Vasudeva G. Zaheer A. et Hernandez E. (2012), « The Embeddedness of Networks: Institutions, Structural Holes, and Innovativeness in The Fuel Cell Industry », Organization Science, vol. 24, n° 3, p. 645-663.

Vujakovic P. (2010), « How to Measure Globalization? A New Globalization Index (NGI) », Atlantic Economic Journal, vol. 38, n° 2, p. 237–237.

Walker G. Kogut B. et Shan W. (1997), « Social Capital, Structural Holes and The Formation of an Industry Network », Organization Science, vol. 8, n° 2, p. 109-125.

Wasserman S. et Faust K. (1994), Social Network Analysis: Methods and Applications, Cambridge, Cambridge University Press.

Wassmer U. (2010), « Alliance Portfolios: A Review and Research Agenda », Journal of Management, vol. 36, n° 1, p. 141–171.

Wuyts S. et Dutta S. (2012), « Benefiting from Alliance Portfolio Diversity - The Role of Past Internal Knowledge Creation Strategy », Journal of Management, vol. 40, n° 6, p. 1653-1674.

Zaheer A. et Bell G. (2005), « Benefiting from Network Position: Firm Capabilities, Structural Holes, and Performance », Strategic Management Journal, n° 26, p. 809-825.

Zaheer A. et Soda G. (2009), « Network Evolution: The Origin of Structural Holes », Administrative Science Quarterly, n° 57, p. 1-31.

Haut de page

Notes

1 Nous considérons dans ce travail qu’un portefeuille d’alliances est un réseau égocentrique au sein duquel les relations sont pilotées par un acteur clé (Ozcan et Eisenhardt, 2009)

2 Une revue exhaustive des recherches sur le portefeuille d’alliances a été réalisée par Wassmer (2010). Cet auteur structure les différentes contributions en trois grands blocs de recherche : un premier courant s’intéressant à la configuration du portefeuille d’alliances en termes de formation et d’évolution ; un deuxième courant explorant les travaux sur le management du portefeuille d’alliances ; un troisième courant étudiant l’effet des caractéristiques - la taille et la diversité - sur la performance des firmes en termes de valeur et d’innovation.

3 Le corporatisme sous-entend une doctrine socio-économique favorable à l’existence d'organisations (les corporations) regroupant les acteurs d'une même profession, qu’ils soient salariés ou employeurs (Vasudeva et al., 2012).

4 CCFA (Comité des Constructeurs Français d'Automobiles) est le syndicat professionnel des constructeurs d'automobiles en France. Il est essentiellement composé de trois constructeurs : Renault, PSA et Renault Trucks. Sa mission principale est la collecte de statistiques sur le secteur et l’étude de l'activité de lobbying du secteur. KPMG est un réseau international de cabinets d’audit et de conseil exerçant dans plusieurs pays et publiant des études sectorielles.

5 Une base de données portant sur des données comptables et financières relatives à des entreprises cotées.

Haut de page

Pour citer cet article

Référence électronique

Mouhoub Hani et Faouzi Bensebaa, « Perversité de la Centralité et de la Diversité au Sein d’un Réseau d’Alliances : Le Cas du Secteur Automobile Mondial », Finance Contrôle Stratégie [En ligne], 22-2/3 | 2019, mis en ligne le 13 septembre 2019, consulté le 12 novembre 2019. URL : http://journals.openedition.org/fcs/3529 ; DOI : 10.4000/fcs.3529

Haut de page

Auteurs

Mouhoub Hani

Maître de Conférences,
Université Paris 8
mouhoub.hani@univ-paris8.fr

Faouzi Bensebaa

Professeur des Universités
Université Paris 8
faouzi.bensebaa@univ-paris8.fr

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page